RAG（檢索增強生成）

為什麼要知道這個

2020 年由 Meta（當時的 Facebook AI）的論文提出，原本純粹是研究圈的技術名詞。它讓模型從「憑訓練時記住的東西回答」，變成「先檢索一批資料，再根據那批資料回答」。

對方有沒有走檢索，決定了你該做什麼。會即時檢索的引擎，你的內容要爬得到、要能被檢索到、要有某一段精準回答到問題；純靠內建知識回答的，你能做的是讓資訊長期一致地散布在網路上，然後等下一輪訓練。

最常被誤用的地方

檢索不保證正確，它只保證有來源。模型仍然可能誤讀檢索到的內容，或者檢索到的本來就是錯的。看到有標註出處的 AI 回答，出處值得點進去確認。

同一個產品在不同問題上可能走不同路徑：有些觸發檢索，有些直接用內建知識回答。所以「這個 AI 有沒有用 RAG」通常不是一個是非題，而是「這一類問題它會不會去查」。